是否有`pd.pivot_table`和`pd.DataFrame.groupby` +`pd.DataFrame.unstack`之间的完全重叠？

Question

(请注意,Pandas有一个问题:group by和Pivot表差异,但这个问题不同.)

假设您从DataFrame开始

df = pd.DataFrame({'a': ['x'] * 2 + ['y'] * 2, 'b': [0, 1, 0, 1], 'val': range(4)})
>>> df
Out[18]: 
   a  b  val
0  x  0    0
1  x  1    1
2  y  0    2
3  y  1    3

现在假设您要创建索引a,列b,单元格中的值val,并指定在结果单元格中有两个或更多值时要执行的操作:

b  0  1
a      
x  0  1
y  2  3

然后你可以通过

df.val.groupby([df.a, df.b]).sum().unstack()

或通过

pd.pivot_table(df, index='a', columns='b', values='val', aggfunc='sum')

所以在我看来,两者之间的对应关系之间有一个简单的对应关系(给定一个,你几乎可以写一个脚本来将它转换成另一个).我还想到了更复杂的层次索引/列的情况,但我仍然认为没有区别.

有没有我错过的东西？

• 是否可以使用one而不是其他操作执行操作？

• 也许,操作更容易使用一个而不是另一个？

• 如果没有,为什么不弃用pivot_tale？groupby似乎更普遍.

Answer 1

如果我pivot_table(index, columns, values, aggfunc)正确理解了源代码，则将其等效于：

df.groupby([index + columns]).agg(aggfunc).unstack(columns)

加：

• 利润率（@ayhan已经说过的小计和总计）
• pivot_table() 还会从列轴上删除多余的多级（请参见下面的示例）
• 方便的dropna参数：不包括所有条目均为NaN的列

演示：（我从文档字符串[ pivot_table()]的源代码中获得了这个DF ）

In [40]: df
Out[40]:
     A    B      C  D
0  foo  one  small  1
1  foo  one  large  2
2  foo  one  large  2
3  foo  two  small  3
4  foo  two  small  3
5  bar  one  large  4
6  bar  one  small  5
7  bar  two  small  6
8  bar  two  large  7

In [41]: df.pivot_table(index=['A','B'], columns='C', values='D', aggfunc=[np.sum,np.mean])
Out[41]:
          sum        mean
C       large small large small
A   B
bar one   4.0   5.0   4.0   5.0
    two   7.0   6.0   7.0   6.0
foo one   4.0   1.0   2.0   1.0
    two   NaN   6.0   NaN   3.0

在顶层列注意： D

In [42]: df.groupby(['A','B','C']).agg([np.sum, np.mean]).unstack('C')
Out[42]:
            D
          sum        mean
C       large small large small
A   B
bar one   4.0   5.0   4.0   5.0
    two   7.0   6.0   7.0   6.0
foo one   4.0   1.0   2.0   1.0
    two   NaN   6.0   NaN   3.0

为什么不弃用ivot_tale？groupby似乎更为通用。

IMO，因为它非常容易使用和方便！;）